其实Deformable-DETR最大的创新在于其提出了可变形注意力模型以及多尺度融合模块：其主要表现在Backbone模块以及self-attention核cross-attention的计算上。

基于协作混合分配训练的DETRs论文链接：2211.12860.pdf(arxiv.org)源码链接：https://github.com/Sense-X/Co-DETR总结：Co-DETR基于DAB-DETR、Deformable-DETR

下载这个项目的代码GitHub-fundamentalvision/Deformable-DETR:DeformableDETR:DeformableTransformersforEnd-to-EndObjectDetection

参考https://blog.csdn.net/qq_44808827/article/details/125326909https://blog.csdn.net/dystsp/article/details/125949720?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~

DETRswithHybridMatching论文阅读笔记一、Abstract二、引言三、相关工作目标检测中的DETR其它视觉任务中的DETR标签赋值四、方法4.1基础知识通用的DETR框架通用的可变形Deformable-DETR

相关工作当前流行的目标检测算法主要分为三种，一阶段算法：SSD，FCOS，Scaled，YOLO系列等；二阶段算法：Faster-RCNN，MaskR-CNN，CascadeR-CNN等；Transformer系列算法：DETR，Deformable-DETR

DAB-DETR是吸收了Deformable-DETR，Conditional-DETR，Anchor-DETR等基础上完善而来的。其主要贡献为将query初始化为x,y,w,h思维坐标形式。

先前都是在服务器上运行DETR的相关程序，服务器使用的是Linux，所以运行较为简单，但如果想要简单的debug的话就没必要使用服务器了，今天便来在Winodws环境下调试DETR类项目，这里以Deformable-DETR

DETR跑的很顺利让我有了非常大的信心，我以为我就能就此无痛跑Deformable-DETR的时候

!GPUS_PER_NODE=1./tools/run_dist_launch.sh1./configs/r50_deformable_detr.sh报错：cannotimportname'_NewEmptyTensorOp'from'torchvision.ops.misc'经issue查阅：试用意见：这是由于在torchvision0.10版本的util/misc.py中的一个错误。代码只检查

引言Deformable-DETR的主要贡献：1，结合可变形卷积的稀疏空间采用和Transformer的全局关系建模能力，提出可变形注意力机制模型，使其计算量降低，收敛加快。

1前言End-to-end目标检测算法都是一些比较厉害的模型2End-to-end的SOTA检测模型——Deformable-DETR现在最强的端到端模型是Deformable-DETR；关于Deformable-DETR

Deformable-DETRvariants：Two-stageDeformableDETR前言twostageDeformableDETR上图为论文中关于two-stage的部分，介绍较少，DETR及其变体分为：one-stage\two-stage，其中one-stage的decoder部分queries的初始化是由随机初始化的contentqueries(initiallysetzeroa

1、环境环境版本torch1.11.0+cu113torchvision0.12.0+cu1132、文档论文源码3、数据集自定义数据集4、修改代码4.1、测试环境cd./models/opssh./make.sh#unittest(shouldseeallcheckingisTrue)pythontest.py这一步出问题了请检查自己的环境，之前用的pytorch1.10.0报错，换成pytorc

1、环境包版本mmcv-full1.4.2mmdet2.19.1torch1.10.0+cu113torchvision0.11.1+cu1132、文档mmet官方文档mmcv官方文档源码下载3、数据集自定义数据集4、修改代码4.1、生成文件打开mmdetection-master/tools下面执行train.py文件其中配置文件--config在mmdetection-master/confi

开源地址：https://github.com/fundamentalvision/deformable-detr超级小白，摸索了几天，感谢批评指正！！！

DEFORMABLETRANSFORMERSFOREND-TO-ENDOBJECTDETECTION》论文链接：https://arxiv.org/pdf/2010.04159.pdf代码链接：https://github.com/fundamentalvision/Deformable-DETR

背景和动机二、方法三、效果四、可视化论文链接：https://arxiv.org/pdf/2010.04159.pdf代码链接：https://github.com/fundamentalvision/Deformable-DETR

作者团队：商汤，中科大，港中文来源：arXiv:2010.04159v2代码：https://github.com/fundamentalvision/Deformable-DETR文章简介1.DETR

二Deformable-DETR中trans

准备工作：DeformableDETR代码路径如下：GitHub-fundamentalvision/Deformable-DETR:DeformableDETR:DeformableTransformersforEnd-to-EndObjectDetection.DeformableDETR

随着tranformer在NLP，CV的流行，在目标检测领域也有了基于transformer的实现的detr，说明了其可行性。更特别是它减少了目标检测的不少组件，比如没有anchor、nms等，可以说是真正的end-to-end检测，同时也有很好的准确率表现。但是，由于Transformer注意模块在处理图像特征图时的局限性，它收敛缓慢且特征空间分辨率有限。为了缓解这些问题，提出了Deformab

1预处理我们可以先来看看Deformable-DETR的预处理部分的代码：感觉还是比较简洁的，主要用到了数值归一化和特征归一化；